Modelo Matemático

UNIVERSIDAD INDUSTRIAL DE SANTANDER FACULTAD DE INGENIERÍAS FÍSICO-QUÍMICAS

ESCUELA DE INGENIERÍA DE PETRÓLEOS

Métodos Numéricos

MODELAMIENTO MATEMATICO. APROXIMACIONES NÚMERICAS Y RAICES DE ECUACIONES

Jorge Mario Padilla Reyes

Universidad industrial de SantanderMétodos Numéricos

2010

http://images.google.com.co/imgres?imgurl=http://www.escueladepetroleosuis.com/images/home_logopetroleos02.jpg&imgrefurl=http://www.escueladepetroleosuis.com/contactenos.html&usg=__nmHLZq0xUERSPGs4BHBlThVnbLw=&h=199&w=273&sz=17&hl=es&start=4&sig2=H3ya5utQMtmtriY1JcZXBw&tbnid=H6NSbbVGjrh3MM:&tbnh=82&tbnw=113&prev=/images?q=ingenieria+de+petroleos+UIS&gbv=2&hl=es&ei=0cL5SpK9BI21tgfslLXQCg%00%E5%A1%B9%EF%92%81%E1%B4%BB%E4%A1%BF%E2%B2%AF%E5%B6%82%E8%97%84%E6%8C%A7%00%00%EA%AE%A5



Métodos Numéricos

MODELO MATEMÁTICO

Un modelo matemático puede ser definido como un modelo científico el cual emplea una serie de elementos y formulismos matemáticos con el fin de describir el comportamiento de algunos fenómenos y/o situaciones del mundo real. Algunas de estas situaciones tienen un aspecto matemático relativamente simple, e involucran una matemática elemental, como por ejemplo:

• El tiempo necesario para recorrer una distancia de 100 kilómetros, manteniendo la velocidad promedio del vehículo a 60 kilómetros por hora.

• El interés que cobra una institución financiera por un determinado préstamo.

• El área de un terreno de forma rectangular con las respectivas medidas: 10m×50m.

Otros, en ciertas áreas del conocimiento presentan comportamientos más complejos; por lo tanto, requieren un análisis más preciso de las variables involucradas, tales como:

• La mejor manera para reducir el “retrabajo” en una fábrica.

• La cantidad permitida y el período apropiado para la caza de un animal predador sin que esto interfiera en el ecosistema.

En la ciencia, la noción de modelo es fundamental para la constitución y expresión del conocimiento. En especial, la matemática, con su arquitectura, permite la elaboración de modelos matemáticos, lo que posibilita una mejor compresión, simulación y previsión del fenómeno estudiado.Un modelo puede ser formulado en términos familiares, tales como: expresiones numéricas o fórmulas, diagramas, gráficos o representaciones geométricas, ecuaciones algebraicas, tablas, programas computacionales, etc.

Por otro lado, cuando se propone un modelo, éste proviene de aproximaciones realizadas para poder entender mejor un fenómeno. Sin embargo, no siempre tales aproximaciones están de acuerdo con la realidad. Sea como sea, un modelo matemático retrata, aunque con una visión simplificada, aspectos de la situación investigada.




Métodos Numéricos

Figura 1: tomada de MODELO, MODELACIÓN Y MODELAJE; MÉTODOS DE ENSEÑANZA-APRENDIZAJE DE MATEMÁTICAS, Maria Salett Biembengut / Nelson Hein, Departamento de

Matemática – CCEN, Universidade Regional de Blumenau – Brasil, PDF.

CÁLCULO DE RAÍCES DE ECUACIONES

El contenido mostrado a continuación fue tomado de http://www.uv.es/diaz/mn/node17.html

El objeto del cálculo de las raíces de una ecuación es determinar los valores de x para los que se cumple:

f(x) = 0 (1)

La determinación de las raíces de una ecuación es uno de los problemas más antiguos en matemáticas y se han realizado un gran número de esfuerzos en este sentido. Su importancia radica en que si podemos determinar las raíces de una ecuación también podemos determinar máximos y mínimos, valores propios de matrices, resolver sistemas de ecuaciones lineales y diferenciales, etc...

La determinación de las soluciones de la ecuación (1) puede llegar a ser un problema muy difícil. Si f(x) es una función polinómica de grado 1 ó 2, conocemos expresiones simples que nos permitirán determinar sus raíces. Para polinomios de grado 3 ó 4 es necesario emplear métodos complejos y laboriosos. Sin embargo, si f(x) es de grado mayor de cuatro o bien no es polinómica, no hay ninguna fórmula conocida que permita determinar los ceros de la ecuación (excepto en casos muy particulares).

Existen una serie de reglas que pueden ayudar a determinar las raíces de una ecuación:

El teorema de Bolzano, que establece que si una función continua, f(x), toma en los extremos del intervalo [a,b] valores de signo opuesto, entonces la función admite, al menos, una raíz en dicho intervalo.

En el caso en que f(x) sea una función algebraica (polinómica) de grado n y coeficientes reales, podemos afirmar que tendrá n raíces reales o complejas.

La propiedad más importante que verifican las raíces racionales de una ecuación algebraica establece que si p/q es una raíz racional de la ecuación de coeficientes enteros:

entonces el denominador q divide al coeficientes an y el numerador p divide al término independiente a0.




Métodos Numéricos

Ejemplo 1

Pretendemos calcular las raíces racionales de la ecuación:

3x3 + 3x2 - x - 1 = 0

Primero es necesario efectuar un cambio de variable x = y/3:

después multiplicamos por 32:

y3 + 3y2 -3y -9 = 0

con lo que los candidatos a raíz del polinomio son:

Sustituyendo en la ecuación, obtenemos que la única raíz real es y = -3, es decir,

(que es además la única raíz racional de la ecuación). Lógicamente, este método es muy poco potente, por lo que sólo nos puede servir a modo de orientación.

La mayoría de los métodos utilizados para el cálculo de las raíces de una ecuación son iterativos y se basan en modelos de aproximaciones sucesivas. Estos métodos trabajan del siguiente modo: a partir de una primera aproximación al valor de la raíz, determinamos una aproximación mejor aplicando una determinada regla de cálculo y así sucesivamente hasta que se determine el valor de la raíz con el grado de aproximación deseado.




Métodos Numéricos

1. Método de la Bisección

Es el método más elemental y antiguo para determinar las raíces de una ecuación. Está basado directamente en el teorema de Bolzano explicado con anterioridad. Consiste en partir de un intervalo [x0,x1]tal que f(x0)f(x1) < 0, por lo que sabemos que existe, al menos, una raíz real. A partir de este punto se va reduciendo el intervalo sucesivamente hasta hacerlo tan pequeño como exija la precisión que hayamos decidido emplear.

2. Método de las Aproximaciones Sucesivas

Dada la ecuación f(x) = 0, el método de las aproximaciones sucesivas reemplaza esta ecuación por una equivalente, x=g(x), definida en la forma g(x)=f(x)+x. Para encontrar la solución, partimos de un valor inicial x0 y calculamos una nueva aproximación x1=g(x0). Reemplazamos el nuevo valor obtenido y repetimos el proceso. Esto da lugar a una sucesión de valores [xo, x1,…,xn], que si converge, tendrá como límite la solución del problema.

Figura 2: Interpretación geométrica del método de las aproximaciones sucesivas.

[scale=0.9]eps/as-1

En la figura (2) se representa la interpretación geométrica del método. Partimos de un punto inicial x0 y calculamos y = g(x0). La intersección de esta solución con la recta y=x nos dará un nuevo valor x1 más próximo a la solución final.

Sin embargo, el método puede divergir fácilmente. Es fácil comprobar que el método sólo podrá converger si la derivada g'(x) es menor en valor absoluto que la unidad (que es la pendiente de la recta definida por y=x). Un ejemplo de este caso se muestra en la figura (3). Esta condición, que a priori puede considerarse una




Métodos Numéricos

severa restricción del método, puede obviarse fácilmente. Para ello basta elegir la función g(x) del siguiente modo:

de forma que tomando un valor de adecuado, siempre podemos hacer que g(x) cumpla la condición de la derivada.

Figura 3: Demostración gráfica de que el método de las aproximaciones sucesivas diverge si la derivada g'(x) > 1.

[scale=0.9]eps/as-2

3. Método de Newton

Este método parte de una aproximación inicial x0 y obtiene una aproximación mejor, x1, dada por la fórmula:

(2)

La expresión anterior puede derivarse a partir de un desarrollo en serie de Taylor. Efectivamente, sea r un cero de f y sea x una aproximación a r tal que r=x+h. Si f'' existe y es continua, por el teorema de Taylor tenemos:

0 = f(r) = f(x+h) = f(x) + hf'(x) + O(h2) (3)




Métodos Numéricos

en donde h=r-x. Si x está próximo a r (es decir hes pequeña), es razonable ignorar el término O(h2):

0 = f(x) + hf'(x) (4)

por lo que obtenemos la siguiente expresión para h:

(5)

A partir de la ecuación (5) y teniendo en cuenta que r=x+h es fácil derivar la ecuación (2).

Figura 4: Interpretación geométrica del método de Newton.

[scale=0.9]eps/new-1

El método de Newton tiene una interpretación geométrica sencilla, como se puede apreciar del análisis de la figura (4). De hecho, el método de Newton consiste en una linealización de la función, es decir, f se reemplaza por una recta tal que contiene al punto (x0,f(x0)) y cuya pendiente coincide con la derivada de la función en el punto, f'(x0). La nueva aproximación a la raíz, x1, se obtiene de la intersección de la función linear con el eje X de ordenadas.

Veamos como podemos obtener la ecuación (2) a partir de lo dicho en el párrafo anterior. La ecuación de la recta que pasa por el punto (x0,f(x0)) y de pendiente f'(x0) es:

y - f(x0) = f'(x0)(x-x0) (6)




Métodos Numéricos

de donde, haciendo y=0 y despejando x obtenemos la ecuación de Newton-Raphson (2).

Figura 5: Dos situaciones en las que el método de Newton no funciona adecuadamente: (a) el método no

alcanza la convergencia y (b) el método converge hacia un punto que no es un cero de la ecuación.

[scale=0.9]eps/new-2

El método de Newton es muy rápido y eficiente ya que la convergencia es de tipo cuadrático (el número de cifras significativas se duplica en cada iteración). Sin embargo, la convergencia depende en gran medida de la forma que adopta la función en las proximidades del punto de iteración. En la figura (5) se muestran dos situaciones en las que este método no es capaz de alcanzar la convergencia (figura (5a)) o bien converge hacia un punto que no es un cero de la ecuación (figura (5b)).

4. Método de la Secante

El principal inconveniente del método de Newton estriba en que requiere conocer el valor de la primera derivada de la función en el punto. Sin embargo, la forma funcional de f(x) dificulta en ocasiones el cálculo de la derivada. En estos casos es más útil emplear el método de la secante.

El método de la secante parte de dos puntos (y no sólo uno como el método de Newton) y estima la tangente (es decir, la pendiente de la recta) por una aproximación de acuerdo con la expresión:

(7)




Métodos Numéricos

Sustituyendo esta expresión en la ecuación (2) del método de Newton, obtenemos la expresión del método de la secante que nos proporciona el siguiente punto de iteración:

(8)

Figura 6: Representación geométrica del método de la secante.

[scale=0.9]eps/secante

En la siguiente iteración, emplearemos los puntos x1 y x2para estimar un nuevo punto más próximo a la raíz de acuerdo con la ecuación (7). En la figura (6) se representa geométricamente este método. En general, el método de la secante presenta las mismas ventajas y limitaciones que el método de Newton-Raphson explicado anteriormente.

5. Método de Steffensen

El método de Steffensen presenta una convergencia rápida y no requiere, como en el caso del método de la secante, la evaluación de derivada alguna. Presenta además, la ventaja adicional de que el proceso de iteración sólo necesita un punto inicial. Este método calcula el siguiente punto de iteración a partir de la expresión:




Métodos Numéricos

6. Método de la Falsa Posición

El método de la falsa posición pretende conjugar la seguridad del método de la bisección con la rapidez del método de la secante. Este método, como en el método de la bisección, parte de dos puntos que rodean a la raíz f(x) = 0, es decir, dos puntos x0 y x1tales que f(x0)f(x1) < 0. La siguiente aproximación, x2, se calcula como la intersección con el eje X de la recta que une ambos puntos (empleando la ecuación (7) del método de la secante). La asignación del nuevo intervalo de búsqueda se realiza como en el método de la bisección: entre ambos intervalos, [x0,x2] y [x2,x1], se toma aquel que cumpla f(x)f(x2) < 0. En la figura (7) se representa geométricamente este método.

Figura 6: Representación geométrica del método de la falsa posición.

[scale=0.9]eps/falpos

La elección guiada del intervalo representa una ventaja respecto al método de la secante ya que inhibe la posibilidad de una divergencia del método. Por otra parte y respecto al método de la bisección, mejora notablemente la elección del intervalo (ya que no se limita a partir el intervalo por la mitad).




Métodos Numéricos

Figura 8: Modificación del método de la falsa posición propuesta por Hamming. La aproximación a la raíz se toma a partir del punto de intersección con el eje X de la recta que une los puntos ( x0,f(x0)/2) y (x1,f(x1)) si la función es convexa en el intervalo (figura a) o bien a partir de la recta que une los puntos (x0,f(x0)) y (x1, f(x1)/2) si la función es cóncava en el intervalo (figura b).

[scale=0.9]eps/hamming

Sin embargo, el método de la falsa posición tiene una convergencia muy lenta hacia la solución. Efectivamente, una vez iniciado el proceso iterativo, uno de los extremos del intervalo tiende a no modificarse (ver figura (7)). Para obviar este problema, se ha propuesto una modificación del método, denominada método de Hamming. Según este método, la aproximación a una raíz se encuentra a partir de la determinación del punto de intersección con el eje X de la recta que une los puntos ( x0,f(x0)/2) y (x1,f(x1)) si la función es convexa en el intervalo o bien a partir de la recta que une los puntos (x0,f(x0)) y (x1, f(x1)/2) si la función es cóncava en el intervalo. En la figura (8) se representa gráficamente el método de Hamming.

Como hemos comentado, el método de Hamming requiere determinar la concavidad o convexidad de la función en el intervalo de iteración. Un método relativamente sencillo para determinar la curvatura de la función consiste en evaluar la función en el punto medio del intervalo, f(xm) (en donde xm se calcula como en el método de la bisección) y comparar este valor con la media de los valores de la función en los extremos del intervalo, . Tenemos entonces que:




Métodos Numéricos

DEFINICIÓN DE ERROR NUMÉRICO

“Los errores numéricos surgen del uso de aproximaciones para representar operaciones y cantidades matemáticas exactas. Estas incluyen los errores de truncamiento que resultan del empleo de aproximaciones como un procedimiento matemáticos exactos, y los errores de redondeo que se producen cuando se usan números que tienen un límite de cifras significativas para representar números exactos.” (Tomado de Abraham Israel Lagunas Montes de Oca, Ingeniería en Informática 8vo “A”,Métodos Numéricos, DOC.)

Para ambos tipos de errores, la relación entre el resultado exacto, o verdadero y el aproximado esta dado por:

Valor verdadero = valor aproximado + error

a. Tipos de errores

Si w es una aproximación a p, el error se define como:

E = w – p

Error absoluto

EA = │w - p│

Error relativo

EA = │w - p│/ p, si p es diferente a 0

Por ciento de error

E R P = E R * 100

A menudo, cuando se realizan cálculos, no importa mucho el signo del error, sino mas bien que su valor absoluto porcentual sea menor que una tolerancia porcentual prefijada Es. Por lo tanto, es útil emplear el valor absoluto de las ecuaciones en tales casos las ecuaciones se repiten hasta que:

│Ea│ sea menor a Es

Si se cumple la relación anterior, entonces se considera que el resultado obtenido esta dentro del nivel aceptable fijado previamente Es.




Métodos Numéricos

b. Estimación de error con métodos iterativos

“Algunos métodos iterativos numéricos usan un método iterativo para calcular los resultados. En tales métodos se hace una aproximación del error considerado la aproximación anterior. Este proceso se lleva a cabo varias veces para calcular en forma sucesiva, esperando cada vez mejores aproximaciones. En tales casos el error se calcula como la diferencia entre la aproximación previa y la actual.” (Tomado de Abraham Israel Lagunas Montes de Oca, Ingeniería en Informática 8vo “A”,Métodos Numéricos, DOC.)

Por lo tanto el error relativo porcentual aproximado es:

ERPa = aproximación actual – aproximación anterior / aproximación actual │* 100

Es importante que cuando se calcule el ERPa este sea menor que una tolerancia porcentual prefija esta seria: Es

Es.- Tolerancia porcentual prefijada. Los cálculos se repiten hasta que ERPa sea menor que Es

Si se cumple la condición anterior entonces se considera que el resultado obtenido esta dentro del nivel aceptable fijado previamente.

c. Cifras significativas

“Se considera que las cifras significativas de un número son aquellas que tienen significado real o aportan alguna información. Las cifras no significativas aparecen como resultado de los cálculos y no tienen significado alguno. Las cifras significativas de un número vienen determinadas por su error. Son cifras significativas aquellas que ocupan una posición igual o superior al orden o posición del error.” (Tomado de fisica1.fisica.edu.uy/2006/Teorico/Cifras%20significativas.doc)

Las reglas que emplearemos en el redondeo de números son las siguientes:

Si la cifra que se omite es menor que 5, se elimina sin más. Si la cifra eliminada es mayor que 5, se aumenta en una unidad la última cifra

retenida.

Si la cifra eliminada es 5, se toma como última cifra el número par más próximo; es decir, si la cifra retenida es par se deja, y si es impar se toma la cifra superior.

FUENTES1. fisica1.fisica.edu.uy/2006/Teorico/Cifras%20significativas.doc




Métodos Numéricos

2. http://www.uv.es/diaz/mn/node17.html

3. bycase.blogspot.es/img/tarea1.doc

4. MODELO, MODELACIÓN Y MODELAJE; MÉTODOS DE ENSEÑANZA-APRENDIZAJE DE MATEMÁTICAS, Maria Salett Biembengut / Nelson Hein, Departamento de Matemática – CCEN, Universidade Regional de Blumenau – Brasil, PDF.

5. Abraham Israel Lagunas Montes de Oca, Ingeniería en Informática 8vo “A”,Métodos Numéricos, DOC.


Documents

Modelo Matemático